本书介绍
“深度学习革命在过去十年中改变了机器学习领域。它的灵感来自于模仿大脑学习方式的神经网络，但它以统计学、信息论、决策理论和凸优化的基本原理为基础。这本书确实很好地解释了这些原理并描述了许多使用它们的“经典”机器学习方法。它还展示了如何将相同的原理应用于包含多层特征的深度学习模型。这提供了一个系统的框架使得人们可以在其中了解许多不同的新旧机器学习方法之间的关系和差异。” -- Geoff Hinton. U. Toronto/ Google
文末附本书最新免费pdf下载地址。
“Kevin Murphy关于机器学习的书写得非常好，对这个领域进行了全面的概述，建立在概率论的基础之上。它严谨而易于阅读，对于任何有兴趣深入了解机器学习的人来说，它都是必备的.” -- Chris Bishop, Microsoft Research
“这本书对机器学习基础知识进行了清晰、简洁和严谨的介绍。它在“传统”主题和更“现代”的深度学习方法之间建立了精美的桥梁，创建了一个统一的框架，将两者结合起来。我向该领域的新手推荐这本书，并希望对核心原理和方法有一个全面的了解。” -- Daphne Koller, Insitro/ Stanford
“这是一本出色的书，涵盖了概率机器学习的概念、理论和计算基础，从基础开始，无缝过渡到该领域的前沿知识点。本书的教学结构对教学非常有用。我最喜欢的是，本书的大多数图都与（python、JAX、tensorflow）代码密切相关，通常会比较解决问题的不同计算方法。” -- Michael Brenner, Harvard/ Google
本书目录
